L'enjeu est ici de reconstruire une ville à partir de deux images. L’input (entrée) est une image satellite de l'ESA, l'output (sortie) est le modèle 3D vectorisé. Au centre : une projection sur une image 2D pour vérifier la justesse de la reconstruction. A gauche et au centre c’est la ville de Denver, un centre ville américain qui contient autant des bâtiments modernes que des maisons résidentielles, donc un exemple qui offre une bonne diversité de styles urbains. A droite, un exemple de reconstruction de bâtiments de différents types d’architecture qui viennent de plusieurs villes du monde.
Sur l’écran du portable au milieu, on peut voir partitionnement de l’image en cellules convexes à partir d’un extrait de photo satellite de Denver. Il y a des intersections à gauche ; à droite, on a coloré l’intérieur des cellules pour trouver et résoudre les bugs. Ce partitionnement sera utilisé pour recréer une reconstruction en 3D de l’image.
Sur l'écran à gauche au fond, sont comparées des méthodes de vectorisation : en entrée on a un croquis, vectorisé avec des algorithmes différents dans chaque colonne ; les recadrages (crop = ronds rouges) mettent l’accent sur des détails qui ne vont pas.
L'équipe-projet Titane s'intéresse à la modélisation géométrique d’environnements 3D – à partir d'images de scanners, photos, données laser prises soit à un niveau piéton pour une œuvre d’art soit à un niveau aérien ou satellite (images du CNES). Ils travaillent également sur le traitement de maillage et la mise en correspondance de maillages entre eux. Ils font aussi de l’apprentissage / du deep-learning pour pouvoir faire de la classification (par exemple : bâti, non bâti)
|